PDF坐标系

概述

PDF使用以页面左下角为原点、point（pt）为单位的笛卡尔坐标系，1 inch = 72 pt，与屏幕坐标系（左上角原点）存在Y轴翻转差异。

关键内容

坐标系定义

原点：页面左下角 (0, 0)
单位：point（pt），1 inch = 72 pt
A4纸尺寸：595.28 × 841.89 pt
方向：X轴向右，Y轴向上

与屏幕坐标系的冲突

渲染到屏幕或图像时通常需要Y轴翻转，因为屏幕坐标系以左上角为原点、Y轴向下。MinerU 内部需要处理这个转换： - PDF坐标：(x, y)，原点在左下 - 图像坐标：(x, height - y)，原点在左上

在解析中的关键作用

坐标系是PDF解析的基石： 1. 字符定位：每个Span的bbox使用PDF坐标系表示 (x0, y0, x1, y1) 2. 布局检测：文档布局检测模型的检测框需要与PDF坐标对齐 3. 阅读顺序重建：基于坐标的排序算法依赖正确的坐标参照 4. 多模态对齐：文字Span的坐标需要与图像像素坐标对应

坐标归一化

MinerU将PyMuPDF提取的原始坐标转换为其内部MinerUSpan格式时，关键步骤之一就是坐标归一化：从PDF坐标（左下原点）转换为图像坐标（左上原点），确保文字管道和视觉管道的坐标系统一致。

来源

raw/assets/MinerU/minerU_02_pdf_parsing.md — MinerU 深度解析系列 · 第二篇：底层 PDF 解析引擎